如何用dplyr的mutate(across())处理列对运算？报错求解

报错原因 #

你遇到的promise already under evaluation: recursive default argument reference or earlier problems?错误，本质是在across()的匿名函数中，直接在.data[[...]]内调用cur_column()触发了延迟求值的递归冲突。dplyr在处理cur_column()和.data引用时，两者的上下文依赖形成了循环，导致无法正常解析列名。

可行解决方法 #

以下是几种基于mutate(across())的修正方案，均能避免递归求值问题：

方案1：提前存储当前列名

将cur_column()的结果先存入变量，再通过.data引用对应列：

library(dplyr)

# 生成示例数据（固定随机数方便复现）
set.seed(123)
test <- tibble(a = runif(10), b = runif(10)) %>% 
  mutate(across(c(a,b), exp, .names = '{.col}_exp')) 

# 修正后的代码
test <- test %>% 
  mutate(across(c(a,b), 
                {
                  current_col <- cur_column()
                  .x * .data[[paste0(current_col, '_exp')]]
                }, 
                .names = '{.col}_mult'))

方案2：使用get()函数替代.data引用

get()能在当前数据框上下文中直接解析列名，避免.data的递归冲突：

test <- test %>% 
  mutate(across(c(a,b), 
                ~ .x * get(paste0(cur_column(), '_exp')), 
                .names = '{.col}_mult'))

方案3：显式定义匿名函数

用标准函数写法替代波浪线~的简写，更清晰地控制求值顺序：

test <- test %>% 
  mutate(across(c(a,b), 
                function(x) {
                  col <- cur_column()
                  x * .data[[paste0(col, '_exp')]]
                }, 
                .names = '{.col}_mult'))

验证结果 #

执行上述代码后，数据框会新增a_mult和b_mult列，分别对应a*a_exp和b*b_exp的计算结果，且不会触发报错。

内容的提问来源于stack exchange，提问作者David